Fă predicții pe setul de testare

Acum că ai împărțit aleatoriu datele în set de antrenament și set de testare, poți folosi funcția lm() – la fel ca în primul exercițiu – pentru a antrena un model pe setul de antrenament, nu pe întregul set de date. Reține că poți utiliza interfața cu formulă a funcției de regresie liniară pentru a antrena un model cu o variabilă țintă specificată, folosind toate celelalte variabile din set de date ca predictori:

mod <- lm(y ~ ., training_data)

Poți folosi funcția predict() pentru a genera predicții ale modelului pe date noi. Noul set de date trebuie să conțină toate coloanele din datele de antrenament, dar acestea pot fi în altă ordine și cu valori diferite. Aici, în loc să faci predicții din nou pe setul de antrenament, vei face predicții pe setul de testare – date pe care modelul nu le-a văzut în timpul antrenării. Astfel, în exercițiul următor vei putea calcula eroarea out-of-sample a modelului:

p <- predict(model, new_data)